ggplot2は、一貫性のある文法を用いてグラフを作成することのできるパッケージであり、Rでモダンな分析環境を構築するためのパッケージ群である「tidyverse」に含まれます。 なお、ggplot2については、アクチュアリージャーナル第１１２号内の「Rを用いたデータの可視化技術解説書」の付録２でも紹介されています。
library(ggplot2)
library(dplyr) # パイプ演算子（%>%）を使うために必要
Attaching package: 'dplyr'The following objects are masked from 'package:stats':
filter, lagThe following objects are masked from 'package:base':
intersect, setdiff, setequal, unionggplot2では、+演算子を利用してggplot関数に様々な関数を接続することでグラフを作成します。 以下は、geom_point関数を用いて、Rのデータセットiris（アヤメの花びらやがく片の長さなどに関するデータセット）を用いた散布図を作成しています。
# 利用するdataと、グラフに表示する特徴量を指定（あとで指定する場合は省略可能）
# これだけでは何も表示されない
P1 <- ggplot(data = iris, mapping = aes(x=Sepal.Length, y=Sepal.Width))
P1
# geom_pointで散布図を表示。aes関数でcolourを指定すると色分けできる
P2 <- P1 + geom_point(aes(colour = Species))
P2
+演算子で接続できる関数は１つだけではなく、作成したグラフに対して、様々な要素を付加できます。
# facet_gridでcolsを指定すると、グラフを分解可能
P3 <- P1 + geom_point() + facet_grid(cols = vars(Species))
P3
# グラフのタイトルをつけられる
P4 <- P3 +labs(title="title")
P4
ggplot2では、グラフの重ね合わせも+演算子で実施できます。先ほど作成した散布図に対して、再度geom_point関数を接続すれば重ね合わせたグラフが作成可能です。
以下は、アヤメの種類別のがく片の長さと幅を計算したiris_meanを用いて、散布図を重ね合わせています（表示されたグラフの赤い点が平均値です）
iris_mean <- iris %>%
group_by(Species) %>%
summarise(across(c(Sepal.Length,Sepal.Width), ~mean(.x, na.rm = TRUE)))
iris_mean# A tibble: 3 × 3
Species Sepal.Length Sepal.Width
<fct> <dbl> <dbl>
1 setosa 5.01 3.43
2 versicolor 5.94 2.77
3 virginica 6.59 2.97P5 <- P4 + geom_point(
data = iris_mean,
colour = 'red',
size = 3
)
P5
どのようなグラフが作成することができるかについては、公式サイトから確認可能です。特に、レファレンスからは関数の一覧が確認でき、それぞれの関数の詳細にもアクセス可能です。